EgoPushが変える、ロボットによる散乱した物体の整理
2026年2月23日 (月)
- •EgoPushフレームワークにより、移動ロボットが単一の一人称視点カメラのみで散らかった物体を整理可能になった。
- •絶対的な座標マップに頼らず、物体中心潜在空間を用いて物体間の相対的な空間関係を把握する。
- •シミュレーションで学習したAIをそのまま実機に適用する、ゼロショットSim-to-Real転移に成功した。
散らかった部屋の片付けは、人間にとっては造作もないことだが、動的な環境で複雑な地図に頼らざるを得ないロボットにとっては悪夢のような難題である。そこでボユアン・アン(Boyuan An)氏ら、AI4CE Labの研究チームは、絶対座標を必要としないエンドツーエンドのフレームワーク「EgoPush」を発表した。このシステムは「物体中心潜在空間」を活用しており、固定された部屋のレイアウトではなく、物体同士がどのように関連しているかをロボットに理解させる。この相対的な理解により、障害物が動いたり環境が変化したりしても、ロボットは柔軟に対応できるようになった。
学習プロセスには、全知の知識を持つ「教師」モデルの知恵を、ロボットのカメラ映像のみを見る「生徒」モデルに継承させる「教師生徒蒸留」が採用された。また、長期にわたる複雑なタスクをこなすために、大きな仕事を小さな目標に分割し、各ステップの完了ごとにフィードバックを与える手法も導入されている。これにより、一連の整理作業を効率的に学習させることに成功した。
特筆すべきは、このシステムが「Sim-to-Real転移」を実現した点である。つまり、AIは完全にデジタルシミュレーション内だけでトレーニングされたにもかかわらず、追加の調整なしに現実世界の物理的な移動ロボットを動作させることができたのだ。この飛躍的な進歩は、家庭や倉庫で真に役立つロボットを実現する上での大きな壁を乗り越えるものと言えるだろう。